[发明专利]基于交叉熵法的多模式下设备的健康度评估方法及系统

说明书

本发明提供一种基于交叉熵法的多模式下设备的健康度评估方法及系统，该方法包括：获取设备或设备内一部件的健康数据和运行数据；对获取到的健康数据和运行数据分别进行特征提取，形成健康特征数据库和运行特征数据库；根据健康特征数据库内的数据采用交叉熵法确定高斯混合模型内高斯模式的个数；根据健康特征数据库内的数据和确定的高斯模式的个数建立健康高斯混合模型，根据运行特征数据库和确定的高斯模式的个数建立运行高斯混合模型；计算多模式情况下健康高斯混合模型和运行高斯混合模型的重合度；根据计算得到的重合度评估该设备或部件的健康度。

技术领域

本发明涉及设备的寿命预测和健康管理领域，其特别涉及一种基于交叉熵法的多模式下设备的健康度评估方法及系统。

背景技术

随着现代智能制造业的快速发展，设备(如工业机器人)的结构、功能和运行环境也越来越复杂，负担的生产任务和经济可承受性要求也越来越高。传统的事后维护和定期维护方法由于缺乏对设备健康状态的及时了解和掌握，而使维护管理缺乏可理解性、针对性和科学性。因此，探索和研究可靠的设备健康状态评估方法，对于现代制造业具有十分重要的意义。

目前，健康状态评估的主要方法可以概括为模型法、层次分析法、模糊评判法、贝叶斯网络法、统计回归法等。模型法建模过程比较复杂，模型的验证困难，且随着模型参数的变化要对模型随时进行修正，因此限制了它的应用范围。层次分析法在确定各层结构以及评估指标实际上需要融合大量的专家知识，因此也限制了它的应用范围，尤其是对复杂系统其适用性较低。模糊评断法在设计隶属度函数的过程实际上也需要融合大量的专家知识。贝叶斯网络法中贝叶斯网络的建造是一个复杂的任务，需要知识工程师和领域专家的参与以确定其结构、节点间的互相关系、先验概率等，在工程实际中可能是反复交叉进行而不断完善的一个复杂过程。

在多模式背景下，设备的正常运行状态可能不再是单一状态，而很可能是一种复杂的多样化状态，在这种情况下进行健康状态评估比单模式情况下显得更加复杂和困难，尤其是从采集到的数据中自动地确定潜在的模式个数这个问题，目前还没有有效的解决方法。

发明内容

本发明为了克服现有技术无法对多模式下设备的健康度进行准确评估的问题，提供一种基于交叉熵法的多模式下设备的健康度评估方法及系统。

为了实现上述目的，本发明提供一种基于交叉熵法的多模式下设备的健康度评估方法，该方法包括：

获取设备或设备内一部件的健康数据和运行数据；

对获取到的健康数据和运行数据分别进行特征提取，形成健康特征数据库和运行特征数据库；

根据健康特征数据库内的数据采用交叉熵法确定高斯混合模型内高斯模式的个数；

根据健康特征数据库内的数据和确定的高斯模式的个数建立健康高斯混合模型，根据运行特征数据库和确定的高斯模式的个数建立运行高斯混合模型；

计算多模式情况下健康高斯混合模型和运行高斯混合模型的重合度；

根据计算得到的重合度评估该设备或部件的健康度。

于本发明一实施例中，高斯混合模型表示为：

其中，x表示数据点，μ为概率密度函数g(x；μ,∑)的中心点，∑为概率密度函数g(x；μ,∑)的共变异矩阵，θ＝(ω₁…ω_m,μ₁…μ_m,∑₁…∑_m)，ω₁…ω_m需要满足：

于本发明一实施例中，采用以下步骤确定高斯混合模型内的高斯模式的个数：

步骤S31、初始化模式个数M；